ÎncepețiÎncepe gratuit

Trucuri și sfaturi pentru hot-deck I: imputare în cadrul domeniilor

Un truc util atunci când imputarea hot-deck alterează relațiile dintre variabile este imputarea în cadrul domeniilor. Practic, dacă variabila care urmează să fie imputată este corelată cu o altă variabilă categorică, poți rula hot-deck separat pentru fiecare categorie a acesteia.

De exemplu, te-ai putea aștepta ca temperatura aerului să depindă de timp, având în vedere că temperaturile medii cresc din cauza încălzirii globale. Indicatorul temporal disponibil în setul de date tao este o variabilă categorică, year. Mai întâi, vom verifica dacă temperatura medie a aerului diferă între cei doi ani studiați, după care vom rula hot-deck în cadrul domeniilor definite de an. În final, vei reprezenta din nou graficul de marjă pentru a evalua performanța imputării.

Acest exercițiu face parte din cursul

Gestionarea datelor lipsă prin imputare în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Calculează media variabilei air_temp pentru fiecare an, salvând rezultatul în average_air_temp, excluzând valorile NA din calcul.
  • Imputează valorile lipsă din air_temp în setul de date tao în cadrul domeniilor definite de year, folosind imputarea hot-deck, și atribuie rezultatul variabilei tao_imp.
  • Creează un grafic de marjă pentru air_temp față de sea_surface_temp; nu uita să incluzi air_temp_imp printre variabilele transmise funcției de reprezentare grafică.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Calculate mean air_temp per year
tao %>% 
	group_by(___) %>% 
	summarize(average_air_temp = mean(___, na.rm = ___))

# Hot-deck-impute air_temp in tao by year domain
tao_imp <- ___(___, variable = ___, ___ = ___)

# Draw a margin plot of air_temp vs sea_surface_temp
tao_imp %>% 
	select(___, ___, ___) %>% 
	marginplot(___ = ___)
Editează și rulează codul